基于相关系数的频谱感知方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种基于相关系数的频谱感知方法、装置、设备及计算机可读存储介质，包括：对待感知无线信号中M个次用户进行信号采集，获取M个原始采样信号向量，组建采样信号矩阵；分别对所述采样信号矩阵进行顺序拆分重组和间隔拆分重组，得到第一矩阵和第二矩阵；利用所述第一矩阵的第一判决统计特征和所述第二矩阵的第二判决统计特征，构建所述采样信号矩阵的二维判决统计特征；将所述二维判决统计特征输入预先完成训练的分类器中，输出所述二维判决统计特征对应的类别结果，根据所述类别结果，判断所述待感知无线信号中是否存在频谱信号。本发明专利技术所提供的方法、装置、设备及计算机可读存储介质，降低了噪声不确定性对频谱感知性能的影响。

Spectrum sensing methods, devices, devices and storage media based on correlation coefficient

【技术实现步骤摘要】
基于相关系数的频谱感知方法、装置、设备及存储介质
本专利技术涉及信号处理
，特别是涉及一种基于相关系数的频谱感知方法、装置、设备以及计算机可读存储介质。
技术介绍
认知无线电是一项在不影响授权频段的正常通信的基础上，具有认知功能的无线设备可以按照某种“机会方式”接入授权的频段内，并动态的利用频谱的技术。认知无线电技术的提出，缓解了频谱资源紧张。认知无线电具有两个主要特点：认知能力和重配置能力，认知的核心是频谱感知。频谱感知的目的是检测频谱空穴，提升频谱的有效利用率。随着认知无线电技术的逐步完善，频谱感知技术也得到了不断的发展。经典的频谱感知方法包括能量检测(EnergyDetection，ED)法，匹配滤波器检测法以及循环平稳特征检测法。循环平稳特征检测虽然受噪声不确定度影响小，但必须预先知道主用户的先验信息，并且计算复杂，不适合信号的实时检测处理。匹配滤波器检测是一种相干检测，检测精度高，但是对不同的发射信号需要配备专门的接收机，成本代价高。ED算法是根据信号的平均能量值，推导判决门限，并将平均能量值与判决门限对比，从而得出感知信号的分类结果。ED算法不需要信号的先验信息，算法复杂度低，被广泛应用，但ED算法受噪声不确定度影响大，随着信噪比降低，ED算法的检测概率显著下降；另外，判决门限的估算带来的误差，也会导致系统感知性能的下降。综上所述可以看出，如何提高低信噪比环境下频谱感知检测的准确率和效率是目前有待解决的问题。
技术实现思路
本专利技术的目的是提供一种基于相关系数的频谱感知方法、装置、设备以及计算机可读存储介质，以解决现有技术所提供的ED算法受噪声不确定性影响大，低信噪环境下系统检测概率降低导致系统感知性能下降的问题。为解决上述技术问题，本专利技术提供一种基于相关系数的频谱感知方法，包括：对待感知无线信号中M个次用户进行信号采集，获取M个采样点数为N的原始采样信号向量，以便利用所述原始采样信号向量组建M×N维的采样信号矩阵；分别对所述采样信号矩阵进行顺序拆分重组和间隔拆分重组，得到第一矩阵和第二矩阵；根据所述第一矩阵中每两个重组采样信号向量间的相关系数，确定所述第一矩阵的第一判决统计特征；根据所述第二矩阵中每两个重组采样信号向量间的相关系数，确定所述第二矩阵的第二判决统计特征；利用所述第一判决统计特征和所述第二判决统计特征，构建所述采样信号矩阵的二维判决统计特征；将所述二维判决统计特征输入预先完成训练的分类器算法模型内进行计算，输出所述二维判决统计特征对应的类别结果，根据所述类别结果，判断所述待感知无线信号中是否存在频谱信号。优选地，所述对待感知无线信号中M个次用户进行信号采集，获取M个采样点数为N的原始采样信号向量，以便利用所述原始采样信号向量组建M×N维的采样信号矩阵包括：对待感知无线信号中M个次用户SU进行信号采集，得到M个采集点数为N的原始采样信号向量xi(n)＝[xi(1),xi(2),…,xi(N)],i＝1...N；利用所述原始采样信号向量xi(n)＝[xi(1),xi(2),…,xi(N)]组建M×N维的采样信号矩阵：优选地，所述分别对所述采样信号矩阵进行顺序拆分重组和间隔拆分重组，得到第一矩阵和第二矩阵包括：将所述原始采样信号向量xi(n)＝[xi(1),xi(2),…,xi(N)]拆分为q个段长为k＝N/q的子信号向量，得到顺序拆分重组后的重组采样信号向量：对所述采样信号矩阵X进行顺序拆分重组后，得到所述第一矩阵：对于所述原始采样信号向量xi(n)＝[xi(1),xi(2),…,xi(N)]每间隔q个单位抽取一个采样点，得到间隔拆分重组后的重组采样信号向量：对所述采样信号矩阵X进行间隔拆分重组后，得到所述第二矩阵：优选地，所述根据所述第一矩阵中每两个重组采样信号向量间的相关系数，确定所述第一矩阵的第一判决统计特征包括：利用对所述第一矩阵Y1中每两个重组采样信号向量的相关系数ρab进行变换，将所述相关系数ρab的变化形式定义为βab；求解所述第一矩阵Y1中每两个重组采样信号向量间的βab值的平均值，得到所述第一矩阵Y1的第一判决统计特征其中，为所述βab值的数量。优选地，所述根据所述第二矩阵中每两个重组采样信号向量间的相关系数，确定所述第二矩阵的第二判决统计特征包括：利用对所述第二矩阵Y2中每两个重组采样信号间的相关系数ρef进行变换，将所述相关系数ρef变化形式定义为βef；求解所述第二矩阵Y2中每两个重组采样信号向量间的βef值的平均值，得到所述第二矩阵Y2的第二判决统计特征其中，为所述βef值的数量。优选地，所述利用所述第一判决统计特征和所述第二判决统计特征，构建所述采样信号矩阵的二维判决统计特征包括：利用所述第一判决统计特征T1和所述第二判决统计特征T2，构建所述采样信号矩阵的二维判决统计特征T＝[T1,T2]T。优选地，所述将所述二维判决统计特征输入预先完成训练的分类器算法模型内进行计算，输出所述二维判决统计特征对应的类别结果，根据所述类别结果，判断所述待感知无线信号中是否存在频谱信号包括：将所述二维判决统计特征输入至预先完成训练的K-means算法中进行计算，输出所述二维判断统计特征对应的类别结果；当所述类别结果为1时，所述待感知无线信号中存在频谱信号；当所述类别结果为0时，所述待感知无线信号中不存在频谱信号。本专利技术还提供了一种基于相关系数的频谱感知装置，包括：采集模块，对待感知无线信号中M个次用户进行信号采集，获取M个采样点数为N的原始采样信号向量，以便利用所述原始采样信号向量组建M×N维的采样信号矩阵；拆分重组模块，用于分别对所述采样信号矩阵进行顺序拆分重组和间隔拆分重组，得到第一矩阵和第二矩阵；第一计算模块，用于根据所述第一矩阵中每两个重组采样信号向量间的相关系数，确定所述第一矩阵的第一判决统计特征；第二计算模块，用于根据所述第二矩阵中每两个重组采样信号向量间的相关系数，确定所述第二矩阵的第二判决统计特征；构建模块，用于利用所述第一判决统计特征和所述第二判决统计特征，构建所述采样信号矩阵的二维判决统计特征；判断模块，用于将所述二维判决统计特征输入预先完成训练的分类器算法模型内进行计算，输出所述二维判决统计特征对应的类别结果，根据所述类别结果，判断所述待感知无线信号中是否存在频谱信号。本专利技术还提供了一种基于相关系数的频谱感知设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种基于相关系数的频谱感知方法的步骤。本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于相关系数的频谱感知方法的步骤。本专利技术所提供的一种基于相关系数的频谱感知方法，对待感知无线信号中M个次用户进行信号采样，获取到M个原始采样信号向量，构建采样信号矩阵。本专利技术利用拆分重组技术，分别对所述采样信号矩阵进行顺序拆分重组和间隔拆分重组，在逻辑上增加了次用户的数目，提高了无线信号的检测概率。对所述采样信号矩阵进行顺序拆分重组后得到第一矩阵；对所述采样信号矩阵间隔拆分重组后对所述采样信号矩阵拆分后得到第二矩阵。根据所述第一矩阵中每两个重组采样信号向量间的相关系数，确定所述第一矩阵的第一判决统计特本文档来自技高网...

【技术保护点】
1.一种基于相关系数的频谱感知方法，其特征在于，包括：对待感知无线信号中M个次用户进行信号采集，获取M个采样点数为N的原始采样信号向量，以便利用所述原始采样信号向量组建M×N维的采样信号矩阵；分别对所述采样信号矩阵进行顺序拆分重组和间隔拆分重组，得到第一矩阵和第二矩阵；根据所述第一矩阵中每两个重组采样信号向量间的相关系数，确定所述第一矩阵的第一判决统计特征；根据所述第二矩阵中每两个重组采样信号向量间的相关系数，确定所述第二矩阵的第二判决统计特征；利用所述第一判决统计特征和所述第二判决统计特征，构建所述采样信号矩阵的二维判决统计特征；将所述二维判决统计特征输入预先完成训练的分类器算法模型内进行计算，输出所述二维判决统计特征对应的类别结果，根据所述类别结果，判断所述待感知无线信号中是否存在频谱信号。

【技术特征摘要】
1.一种基于相关系数的频谱感知方法，其特征在于，包括：对待感知无线信号中M个次用户进行信号采集，获取M个采样点数为N的原始采样信号向量，以便利用所述原始采样信号向量组建M×N维的采样信号矩阵；分别对所述采样信号矩阵进行顺序拆分重组和间隔拆分重组，得到第一矩阵和第二矩阵；根据所述第一矩阵中每两个重组采样信号向量间的相关系数，确定所述第一矩阵的第一判决统计特征；根据所述第二矩阵中每两个重组采样信号向量间的相关系数，确定所述第二矩阵的第二判决统计特征；利用所述第一判决统计特征和所述第二判决统计特征，构建所述采样信号矩阵的二维判决统计特征；将所述二维判决统计特征输入预先完成训练的分类器算法模型内进行计算，输出所述二维判决统计特征对应的类别结果，根据所述类别结果，判断所述待感知无线信号中是否存在频谱信号。2.如权利要求1所述的频谱感知方法，其特征在于，所述对待感知无线信号中M个次用户进行信号采集，获取M个采样点数为N的原始采样信号向量，以便利用所述原始采样信号向量组建M×N维的采样信号矩阵包括：对待感知无线信号中M个次用户SU进行信号采集，得到M个采集点数为N的原始采样信号向量xi(n)＝[xi(1),xi(2),…,xi(N)],i＝1...N；利用所述原始采样信号向量xi(n)＝[xi(1),xi(2),…,xi(N)]组建M×N维的采样信号矩阵：3.如权利要求2所述的频谱感知方法，其特征在于，所述分别对所述采样信号矩阵进行顺序拆分重组和间隔拆分重组，得到第一矩阵和第二矩阵包括：将所述原始采样信号向量xi(n)＝[xi(1),xi(2),…,xi(N)]拆分为q个段长为k＝N/q的子信号向量，得到顺序拆分重组后的重组采样信号向量：对所述采样信号矩阵X进行顺序拆分重组后，得到所述第一矩阵：对于所述原始采样信号向量xi(n)＝[xi(1),xi(2),…,xi(N)]每间隔q个单位抽取一个采样点，得到间隔拆分重组后的重组采样信号向量：对所述采样信号矩阵X进行间隔拆分重组后，得到所述第二矩阵：4.如权利要求3所述的频谱感知方法，其特征在于，所述根据所述第一矩阵中每两个重组采样信号向量间的相关系数，确定所述第一矩阵的第一判决统计特征包括：利用对所述第一矩阵Y1中每两个重组采样信号向量的相关系数ρab进行变换，将所述相关系数ρab的变化形式定义为βab；求解所述第一矩阵Y1中每两个重组采样信号向量间的βab值的平均值，得到所述第一矩阵Y1的第一判决统计特征其中，为所述βab值的数量。5.如权利要求3所述的频谱感知方法，其特征在于，所述根据所述第二矩阵中每两个重组...

【专利技术属性】
技术研发人员：李懿，王永华，万频，连轶群，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44